MétaCan
Menu
Retour à la cohorte
Enregistrement W2724311541 · doi:10.1111/faf.12231

What the past tells us about the future of Pacific salmon research

2017· article· en· W2724311541 sur OpenAlexafffund
Richard J. Beamish

Notice bibliographique

RevueFish and Fisheries · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesUniversity of British Columbia
Mots-clésFisheries scienceFisheryRest (music)Face (sociological concept)Fisheries ResearchRelevance (law)Fish <Actinopterygii>Climate changeAquaculturePolitical scienceFisheries managementOceanographySociologyFishingLawSocial scienceBiology

Résumé

récupéré en direct d'OpenAlex

Abstract The Larkin lectures are held every two years at the University of British Columbia in recognition of Dr. Peter Larkin's contributions to fisheries science. The lecture I presented in November 2015 coincided with an announcement that the Institute of Fisheries that Peter Larkin founded in the 1960s would be restructured as the “Institute for Oceans and Fisheries” with an emphasis on fisheries and oceans issues important to British Columbia as well as the rest of the world. I decided to look back at research issues that Peter Larkin thought would be important for Pacific salmon (Oncorhynchus spp.) in the future and see what has happened as a way of identifying the complexity that the Institute for Oceans and Fisheries in particular and the science community in general will face. I chose five themes from Peter Larkin's talks: 1 understanding marine survival, 2 ocean carrying capacity, 3 aquaculture, 4 climate, Pacific salmon and climate change and 5 informing the public, and then added my opinion about research priorities for the future. Peter Larkin recognized the future relevance of these examples, but he probably could not have imagined how these and related issues will challenge his renamed institute and the rest of the research community over the next 50 years.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,983
Score d'incertitude au seuil0,122

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0060,012
Communication savante0,0130,014
Science ouverte0,0010,003
Intégrité de la recherche0,0050,014
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,032
Tête enseignante GPT0,285
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
DomaineMéthodes
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFish and FisheriesMême sujetMarine and fisheries researchTravaux en français237 207